Chƣơng 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2. PHƢƠNG PHÁP NGHIÊN CỨU
3.2.3.1. Kiểm chứng các giả định của mơ hình hồi quy
Phân tích hồi quy khơng chỉ là việc mơ tả các dữ liệu quan sát. Từ các kết quả quan sát trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết của mơ hình hồi quy. Nếu các giả định bị vi phạm, thì các kết quả ước lượng sẽ khơng cịn đáng tin cậy nữa (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2011). Vì thế, để đảm bảo sự diễn dịch từ kết quả hồi quy của mẫu cho tổng thể có giá trị, trong phần này, ta tiến hành kiểm định các giả định của hàm hồi quy tuyến tính cổ điển bao gồm các giả định như sau: - Khơng có hiện tượng đa cộng tuyến giữa các biến độc lập. - Phương sai của phân phối phần dư là khơng đổi. - Các phần dư có phân phối chuẩn. - Khơng có hiện tượng tự tương quan giữa các phần dư.
1. Giả định khơng có hiện tượng đa cộng tuyến giữa các biến độc lập
Đa cộng tuyến là hiện tượng mà trong đó có sự tồn tại của nhiều hơn một mối quan hệ tuyến tính chính xác. Tức là giữa các biến độc lập có thể có một biến nào đó được biểu diễn bởi tổ hợp tuyến tính của các biến cịn lại. Hiện tượng này sẽ dẫn đến những hậu quả nghiêm trọng trong phân tích hồi quy như kiểm định t sẽ khơng cịn ý nghĩa, dấu của các ước lượng hệ số hồi quy có thể sai (Hồng Ngọc Nhậm,
2008). Trong mơ hình hồi quy bội, chúng ta giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tuyến.
Hiện tượng đa cộng tuyến có thể được phát hiện thơng qua nhân tử phóng đại phương sai VIF (variance inflation factor). Khi VIF vượt q 10 thì đó là dấu hiệu của hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).Trong phần mềm thống kê SPSS cịn những cơng cụ khác để xem xét có hay khơng có sự xuất hiện của hiện tượng này như chỉ số điều kiện (condition index). Chỉ số điều kiện lớn hơn 15 thì đó là một dấu hiệu cho thấy có thể xảy ra hiện tượng đa cộng tuyến.
2. Giả định phương sai của phân phối phần dư là không đổi
Phần dư (residual) của một quan sát là độ chênh lệch (εi hay ei) giữa tung độ của giá trị quan sát thực tế (Yi) và tung độ của giá trị hồi quy (Ŷi). Tập hợp các độ lệch này so với một giá trị hồi quy sẽ tạo nên một phân phối chuẩn tại giá trị (Ŷi). Một hàm hồi quy tuyến tính sẽ có nhiều phân phối chuẩn của phần dư tại các giá trị (Ŷi).
Giả định này cho rằng các phân phối chuẩn của các phần dư nói trên này đều có phương sai là một hằng số (phương sai khơng đổi).
Ta có thể quan sát và kiểm chứng được điều kiện này bằng biểu đồ Histogram của phân phối phần dư chuẩn hóa (standardized residual). Nếu phương sai của phần dư khơng đổi thì các chấm sẽ phân tán một cách ngẫu nhiên quanh trục hoành, tức là xung quanh giá trị trung bình (có tung độ = 0) chứ khơng hình thành nên một dạng đồ thị nhất định nào cả.
Kiểm định hệ số tương quan Spearman có giả thuyết H0 cho rằng hệ số tương quan hạng giữa các biến giải thích (Xi) và phần dư (ε) là khơng có ý nghĩa (bằng 0). Nếu ta khơng có đủ cơ sở bác bỏ giả thuyết này thì có thể chấp nhận rằng phương sai của phân phối phần dư là không thay đổi.
3. Giả định về phân phối của phần dư là phân phối chuẩn
nhiều để phân tích (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, ta cần phải sử dụng nhiều cách kiểm định khác nhau để đảm bảo tính xác đáng của kiểm định. Các kiểm định phân phối chuẩn của phần dư gồm có: Biểu đồ tần số của phần dư chuẩn hóa, Biểu đồ tần số Q-Q plot, P-P plot và kiểm định Kolmogorov- Smirnov… Trong đó kiểm định Kolmogorov-Smirnov có giả thuyết H0 cho rằng phần dư có phân phối chuẩn. Với độ tin cậy 95% nếu phân phối của phần dư có trị trung bình bằng 0 (hoặc xấp xĩ =0) và độ lệch chuẩn bằng 1 (hoặc xấp xĩ =1) với mức ý nghĩa (Sig) > 0.05 thì ta có thể an toàn chấp nhận giả thuyết H0 cho rằng phần dư có phân phối chuẩn.
Ngồi ra, biểu đồ tần số P-P plot và biểu đồ tần số Q-Q plot cũng giúp ta quan sát các giá trị của các điểm phân vị của phân phối phần dư theo các phân vị của phân phối chuẩn. Những giá trị kỳ vọng này tạo thành 1 đường chéo trên biểu đồ tần số P-P plot và Q-Q plot. Nếu phần dư có phân phối chuẩn thì các điểm quan sát thực tế của nó sẽ tập trung sát vào đường chéo kỳ vọng này.
4. Giả định khơng có sự tự tương quan giữa các phần dư
Một giả thuyết quan trọng của mơ hình hồi quy tuyến tính cổ điển là khơng có sự tự tương quan giữa các phần dư ngẫu nhiên tức là các phần dư mang tính độc lập với nhau. Tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian hoặc không gian.
Nói một cách khác, mơ hình cổ điển giả định rằng phần dư ứng với quan sát nào đó khơng bị ảnh hưởng bởi phần dư ứng với một quan sát khác. Khi xảy ra hiện tượng tự tương quan, lúc đó các ước lượng của mơ hình hồi quy sẽ khơng cịn đáng tin cậy nữa (Hoàng Ngọc Nhậm, 2008).
Phương pháp kiểm định có ý nghĩa nhất để phát hiện ra hiện tượng tự tương quan là kiểm định Dubin-Watson. Trong kiểm định này, nếu trị thống kê d nằm trong khoảng từ 1 đến 3 thì kết luận mơ hình khơng có tự tương quan, nếu trị thống kê d nằm trong khoảng từ 0 đến 1 thì kết luận mơ hình có tự tương quan dương, nếu trị thống kê d nằm trong khoảng từ 3 đến 4 thì kết luận mơ hình có tự tương quan âm (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
3.2.3.2. Kiểm định độ phù hợp và ý nghĩa của các hệ số hồi quy trong mơ hình
Sau khi thực hiện kiểm tra 4 giả định trên. Ta cần phải kiểm định tiếp 2 vấn đề:
- Kiểm định sự phù hợp của mơ hình hồi quy. - Kiểm định ý nghĩa của các hệ số hồi quy.
1. Kiểm định về sự phù hợp của mơ hình hồi quy:
Một công việc quan trọng của bất kỳ thủ tục thống kê xây dựng mơ hình dữ liệu nào cũng là chứng minh sự phù hợp của mơ hình. Hầu như khơng có hàm hồi quy nào phù hợp hoàn toàn với tập dữ liệu, vẫn ln có sai lệch giữa các giá trị dự báo và các giá trị thực tế. Điều này được thể hiện qua phần dư.
Tiêu chuẩn thông thường dùng để xác định mức độ phù hợp của mơ hình hồi quy tuyến tính đã xây dựng so với dữ liệu chính là hệ số xác định R2 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2011).
+Hệ số xác định R2 = SSR / SST, biểu diễn một tương quan về tỷ lệ giữa chênh lệch của giá trị hồi quy (Ŷi) và chênh lệch của giá trị quan sát thực (Yi) so với giá trị Y trung bình (Ÿ) biểu diễn qua phân số (Ŷi – Ÿ)/(Yi – Ÿ). Nếu sai biệt của phần dư càng bé (tức Ŷi và Yi) thì phân số càng gần bằng 1 (tức R2 càng gần 1), hay mơ hình hồi quy càng phù hợp. Tuy nhiên, ta cũng cần lưu ý rằng R2
sẽ tăng dần lên (hiện tượng R2 tăng giả tạo) khi ta thêm càng nhiều biến độc lập vào mơ hình nhưng điều đó chưa chắc đã làm tăng độ phù hợp của mơ hình hồi quy (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2011).
Kiểm định F đối với biến thiên của độ lệch do hồi quy và của độ lệch do phần dư cũng được dùng để kiểm định sự phù hợp của mơ hình hồi quy. Kiểm định F có giả thuyết H0 cho rằng các hệ số hồi quy của mơ hình đều bằng 0 (β1 = β2 = β3 = β4 = 0). Nếu bác bỏ được giả thuyết này thì ta có thể kết luận mơ hình hồi quy là phù hợp.
SST (Tổng biến thiên) = Σ(Y- Ÿ)2 (Tổng các bình phương độ lệch giữa trị thực tế (Y) và trị trung bình (Ÿ)).
SSE (Biến thiên khơng giải thích được bằng hồi quy) = Σ(Y- Ŷ)2 (Tổng các bình phương độ lệch giữa trị thực tế (Y) và trị hồi quy (Ŷ)).
SSR (Biến thiên được giải thích bằng hồi quy) = Σ(Ŷ- Ÿ)2 (Tổng các bình phương độ lệch giữa trị hồi quy (Ŷ) và trị trung bình (Ÿ).
Với SST = SSR + SSE (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2011).
2. Kiểm định ý nghĩa của các hệ số hồi quy sau khi phân tích:
Các hệ số trong phân tích hồi quy đều có vai trị quan trọng trong đánh giá một mơ hình hồi quy. Ta cần chú ý đến các hệ số sau đây:
Hệ số hồi quy chưa chuẩn hoá B được dùng trong phương trình hồi quy sau khi thỏa mãn tất cả các điều kiện của các bước kiểm định. Hệ số hồi quy riêng β (đã chuẩn hóa) có được khi quy các đơn vị tính tốn khác nhau của các biến độc lập về cùng một độ lệch chuẩn để dễ so sánh (quy về phân phối chuẩn có trị trung bình =0 và phương sai =1).
Hệ số tương quan từng phần Của biến độc lập Xk chính là hệ số tương quan giữa biến phụ thuộc Y với biến độc lập Xk khi ảnh hưởng tuyến tính của các biến độc lập khác lên Xk trong mơ hình bị loại bỏ. Cịn hệ số tương quan riêng (Part
Corr) của biến độc lập Xk chính là hệ số tương quan giữa biến phụ thuộc Y với biến độc lập Xk khi ảnh hưởng tuyến tính của các biến độc lập khác lên cả Xk lẫn Y trong mơ hình bị loại bỏ. Hai hệ số này được dùng để so sánh mức độ ảnh hưởng mạnh yếu của các biến Xi lên biến phụ thuộc Y (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2009).
Kiểm định Partial F test (hay kiểm định Fchange) có giả thuyết H0 cho rằng khơng có sự thay đổi của hệ số xác định R2
khi thêm một hoặc nhiều biến độc lập vào mơ hình.
KẾT LUẬN CHƢƠNG 3
Chương 3 đã trình bày quy trình nghiên cứu được thực hiện qua hai bước: Nghiên cứu định tính nhằm khám phá nhân tố mới và hiệu chỉnh mơ hình thang đo. Nghiên cứu định lượng nhằm xác định thang đo và đánh giá sơ bộ thang đo.
Nghiên cứu định tính được thực hiện thơng qua kỹ thuật thảo luận sâu với 3 chun gia trong lĩnh vực chứng khóan, tài chính, kế tóan. Nghiên cứu định lượng được thực hiện với mẫu ban đầu là 250 mẫu khảo sát được gởi bảng câu hỏi khảo sát đến các cơng ty kiểm tốn và các doanh nghiệp đang niêm yết trên sở giao dịch chứng khốn TP.HCM có sử dụng IFRS để đánh giá khả năng áp dụng IFRS 10 và IFRS 12 đối với các doanh nghiệp niêm yết trên sở giao dịch chứng khốn TP.HCM, sau đó chọn lọc để thu thập mẫu chính thức là 180 mẫu khảo sát đại diện cho hầu hết các lĩnh vực kinh doanh.
Trên cơ sở nghiên cứu các nhân tố ảnh hưởng đến khả năng áp dụng CMKT quốc tế trong và ngoài nước, đặc biệt là nghiên cứu của Maroun, W., & van Zijl, W. đã tiến hành nghiên cứu “Isomorphism and resistance in implementing IFRS 10 and IFRS 12” năm 2015 và Wayne van Zijl, Warren Maroun đã tiến hành nghiên cứu “Discipline and punish: Exploring the application of IFRS 10 and IFRS 12” năm 2016 cùng với tình hình thực tế áp dụng CMKT quốc tế ở Việt Nam, tác giả xin đề xuất mơ hình nghiên cứu gồm có 6 nhân tố ảnh hưởng đến khả năng áp dụng CMKTQT IFRS10 & IFRS 12 là: Nhu cầu cung cấp thông tin của doanh nghiệp, Tính bắt buộc, Mức độ phức tạp, Lợi ích áp dụng, Tính minh bạch, Tính kỷ luật và trừng phạt trong IFRS 10 & IFRS 12.
Chƣơng 4: PHÂN TÍCH KẾT QUẢ
Ở chương trước, tác giả đã trình bày phương pháp thực hiện nghiên cứu bao gồm hai bước nghiên cứu sơ bộ - định tính và và nghiên cứu chính thức - định lượng. Chương 4 này nhằm mục đích trình bày kết quả đánh giá, hồn chỉnh các thang đo và kết quả kiểm nghiệm mơ hình lý thuyết cũng như các giả thuyết nghiên cứu đưa ra. Bên cạnh đó, tác giả cũng trình bày một số phân tích mơ tả về mẫu nghiên cứu và kết quả định lượng các thang đo.
4.1. THÔNG TIN MÔ TẢ MẪU NGHIÊN CỨU
Bảng 4.1. Mô tả mẫu nghiên cứu
Mẫu (180) Tần số Tỷ lệ (%) Giới tính Nam 110 61.11 Nữ 70 38.89 Độ tuổi Dưới 30 35 19.44 Từ 30- dưới 40 98 54.44 Từ 40- dưới 50 32 17.78 Trên 50 15 8.33 Loại hình DN DNNN 21 11.67 DNCP 73 40.56 DN liên doanh 48 26.67 Khác 38 21.11
Thời gian hoạt động
Dưới 3 năm 34 18.89
Từ 3- 5 năm 75 41.67
Trên 10 năm 13 7.22
Dựa vào bảng trên có thể thấy trong 180 mẫu khảo sát thì có 110 mẫu là nam, chiếm 61.11% tổng mẫu, còn lại nữ chiếm 38.89% tổng mẫu.
Về độ tuổi, đa số mẫu thuộc độ tuổi từ 30- dưới 40 tuổi, với 98 mẫu, chiếm 54.44% tổng mẫu nghiên cứu, duới 30 tuổi chiếm 19.44%, mẫu từ 40 tuổi đến dưới 50 tuổi chiếm 17.78% tổng mẫu nghiên cứu.
Về loại hình doanh nghiệp, chủ yếu mẫu khảo sát là các doanh nghiệp cổ phần với 73 mẫu, chiếm 40.56% tổng mẫu. Đa phần các doanh nghiệp này có thời gian hoạt động từ 3- 5 năm chiếm 41.67% và hoạt động từ 5- 10 năm chiếm 32.22% tổng mẫu, dưới năm năm chiếm 18.89% tổng mẫu và còn lại là trên 10 năm.
4.2. ĐÁNH GIÁ THANG ĐO
4.2.1. Đánh giá độ tin cậy thang đo thông qua hệ số cronbach’alpha
Trong nghiên cứu này, các thang đo được đánh giá độ tin cậy qua hệ số tin cậy Cronbach Alpha. Qua đó, các biến quan sát có tương quan biến tổng nhỏ (<0,4) bị loại và thang đo được chấp nhận khi hệ số tin cậy Cronbach Alpha đạt yêu cầu (>0,6) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
4.2.1.1. Thang đo nhu cầu cung cấp thông tin
Bảng 4.2. Độ tin cậy thang đo nhu cầu cung cấp thông tin Reliability Statistics Cronbach's Alpha N of Items .783 5
Item-Total Statistics Scale Mean if Item De- leted Scale Vari- ance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted CC1 12.0111 2.983 .611 .725 CC2 12.1944 3.029 .590 .733 CC3 12.3167 3.268 .561 .743 CC4 12.3500 3.346 .475 .769 CC5 12.2833 3.109 .561 .742
Thang đo nhu cầu cung cấp thơng tin có hệ số Cronbach’s Alpha là 0.783>0.6. Các hệ số tương quan biến tổng của các biến đo lường trong thang đo này đều đạt được tiêu chuẩn cho phép là lớn hơn 0.4, trong đó nhỏ nhất là biến CC4 là 0.475. Như vậy các biến trong thang đo đều có ý nghĩa giải thích cho thang đo nên các biến này sẽ được sử dụng trong phân tích EFA tiếp theo.
4.2.1.2. Thang đo tính bắt buộc
Bảng 4.3. Độ tin cậy thang đo tính bắt buộc Reliability Statistics Cronbach's Alpha N of Items .819 5
Item-Total Statistics Scale Mean if Item De- leted Scale Vari- ance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted BB1 14.9722 3.480 .547 .802 BB2 14.9611 3.602 .548 .801 BB3 15.0222 3.340 .687 .762 BB4 15.1944 3.487 .349 .787 BB5 15.0944 3.125 .680 .762
Thang đo tính bắt buộc có hệ số Cronbach’s Alpha là 0.819>0.6. Các hệ số tương quan biến tổng của các biến đo lường trong thang đo này đều đạt được tiêu chuẩn cho phép là lớn hơn 0.4, ngoại trừ biến BB4 với hệ số tương quan biến tổng là 0.349, vậy biến này khơng có ý nghĩa trong thang đo nên ta loại biến này. Như vậy các biến trong thang đo đều có ý nghĩa giải thích cho thang đo nên các biến này sẽ được sử dụng trong phân tích EFA tiếp theo.
4.2.1.3. Thang đo mức độ phức tạp
Bảng 4.4. Độ tin cậy thang đo mức độ phức tạp Reliability Statistics Cronbach's Alpha N of Items .790 4
Item-Total Statistics Scale Mean if Item De- leted Scale Vari- ance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted PT1 10.8944 1.983 .580 .748 PT2 10.9833 1.927 .578 .749 PT3 11.1444 1.856 .625 .725 PT4 11.3444 1.791 .615 .731
Thang đo mức độ phức tạp có hệ số Cronbach’s Alpha là 0.790>0.6. Các hệ số tương quan biến tổng của các biến đo lường trong thang đo này đều đạt được tiêu chuẩn cho phép là lớn hơn 0.4, trong đó nhỏ nhất là biến PT2 là 0.578. Như vậy các biến trong thang đo đều có ý nghĩa giải thích cho thang đo nên các biến này sẽ được